Pokročilý vývoj vestavěných systémů Počítačový Kurz

Během tohoto kurzu pod vedením instruktora se účastníci naučí programovat Arduino pro praktické použití – například k ovládání světel, motorů či senzorů detekujících pohyb. Kurz předpokládá práci s reálnými hardwarovými komponentami v prostředí laboratoře (nikoli s virtuálním simulovaným hardwarem).

Po absolvování tohoto kurzu budou účastníci schopni:

• Programovat Arduino tak, aby ovládalo světla, motory a další zařízení.
• Porozumět architektuře Arduina včetně vstupů a konektorů pro přídavné komponenty.
• Připojovat externí součástky jako LCD displeje, akcelerometry, gyroskopy či GPS sledovače za účelem rozšíření možností Arduina.
• Znát různé programovací jazyky dostupné pro Arduino – od C až po drag-and-drop rozhraní.
• Testovat, ladit a nasazovat Arduino řešení v praxi k řešení reálných problémů.

Toto školení pod vedením instruktora (online nebo prezenčně) je určeno programátorům v jazyce C, kteří se chtějí naučit zásady návrhu aplikací pro vestavěné systémy.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit designové aspekty, díky nimž jsou programy v jazyce C pro vestavěné systémy spolehlivé
• Definovat funkcionalitu vestavěného systému
• Určit logiku a strukturu programu tak, aby dosáhly požadovaného výsledku
• Navrhnout spolehlivou a bezchybnou aplikaci pro vestavěný systém
• Zajistit optimální výkon na cílovém hardwaru

Forma kurzu:

• Interaktivní přednášky a diskuse
• Cvičení a praktická procvičování
• Praktická implementace v reálném laboratorním prostředí

Možnosti přizpůsobení kurzu:

• Chcete-li si vyžádat individuálně upravené školení, kontaktujte nás prosím pro domluvení podrobností.

Tento kurz vedený instruktorem (v online formátu nebo prezenčně) je určen pro inženýry vestavěných systémů a vývojáře AI na středně pokročilé úrovni, kteří chtějí nasazovat modely strojového učení na mikrokontroléry pomocí nástrojů TensorFlow Lite a Edge Impulse.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit základy TinyML a jeho výhody pro aplikace umělé inteligence na okraji sítě.
• Nastavit vývojové prostředí určené k tvorbě projektů v rámci TinyML.
• Trénovat, optimalizovat a nasazovat modely umělé inteligence na mikrokontroléry s nízkou spotřebou energie.
• Využívat nástroje TensorFlow Lite a Edge Impulse k realizaci reálných aplikací využívajících TinyML.
• Optimalizovat modely AI tak, aby byly energeticky efektivní a vyhovovaly omezením paměti zařízení.

Ekosystém RISC-V se vyvinul z okrajového open-source instrukčního souboru v široce rozšířenou architekturu s výrazným tržním potenciálem, zejména v oblasti edge computingu, internetu věcí, automobilového průmyslu, urychlování operací s umělou inteligencí a serverových procesorů. Podle odborných analýz trpí tento sektor akutním nedostatkem kvalifikovaných pracovníků: celosvětově je aktivněch méně než 5 000 projektantů čipů založených na RISC-V, přičemž v oboru chybí více než 15 000 odborníků. Zaměstnavatelé nyní hledají specialisty s hlubokými znalostmi architektury RISC-V, designu SoC systémů, verifikace RTL kódu (UVM/SystemVerilog), vývoje akcelerátorů pro AI, programování v jazyce Rust a práce s open-source nástroji. Nejrychleji se rozvíjejí oblasti jako automobilově certifikované procesory RISC-V (podle normy ISO 26262), serverová řešení s podporou více jader a koherence dat, nebo specializované NPU jednotky pro inferenci umělé inteligence na okrajích sítí. Společnosti jako SiFive, Qualcomm či Western Digital urychlují vývoj v tomto prostředí, což zvyšuje poptávku po inženýrech schopných kombinovat znalosti architekturní specifikace, návrhu silikonu, firmwaru i softwarové vrstvy.